| 摘要 | 第4-5页 |
| Abstract | 第5页 |
| 第一章 引言 | 第9-12页 |
| 1.1 课题研究的目的和意义 | 第9页 |
| 1.2 国内外研究现状 | 第9-11页 |
| 1.2.1 图象分类与识别的研究现状 | 第10页 |
| 1.2.2 嘴唇特征提取的国内外研究现状 | 第10-11页 |
| 1.3 本文的主要内容和组织结构 | 第11-12页 |
| 第二章 Adaboost算法检测嘴唇区域 | 第12-27页 |
| 2.1 Adaboost理论背景 | 第12-14页 |
| 2.1.1 PAC模型 | 第12-13页 |
| 2.1.2 Boosting算法 | 第13-14页 |
| 2.2 Adaboost算法技术基础 | 第14-21页 |
| 2.2.1 Haar特征 | 第14-17页 |
| 2.2.2 积分图象 | 第17-21页 |
| 2.3 基于Adaboost的嘴唇检测训练 | 第21-24页 |
| 2.3.1 Adaboost算法 | 第21-22页 |
| 2.3.2 分类器的选择 | 第22-24页 |
| 2.4 级联分类器 | 第24-26页 |
| 2.5 小结 | 第26-27页 |
| 第三章 基于光流场的运动检测 | 第27-43页 |
| 3.1 光流法基本原理 | 第27-30页 |
| 3.1.1 运动场与光流 | 第27-29页 |
| 3.1.2 光流计算的局限性 | 第29-30页 |
| 3.2 微分光流计算法 | 第30-38页 |
| 3.2.1 光流约束方程 | 第30-32页 |
| 3.2.2 Horn-Schunck方法 | 第32-34页 |
| 3.2.3 Lucas-Kanade方法 | 第34-37页 |
| 3.2.4 Nagel方法 | 第37-38页 |
| 3.3 块匹配光流场算法 | 第38-39页 |
| 3.4 基于能量的方法 | 第39-40页 |
| 3.5 基于相位的方法 | 第40-41页 |
| 3.6 小结 | 第41-43页 |
| 第四章 基于光流法和Adaboost的嘴动跟踪检测 | 第43-56页 |
| 4.1 嘴唇颜色模型的建立 | 第43-50页 |
| 4.1.1 色彩空间选取 | 第43-47页 |
| 4.1.2 嘴唇肤色模型的建立 | 第47-50页 |
| 4.2 结合Adaboost和嘴唇肤色模型进行嘴唇检测 | 第50-51页 |
| 4.2.1 Adaboost的优缺点 | 第50页 |
| 4.2.2 结合肤色模型的检测效果 | 第50-51页 |
| 4.3 用结合亚像素角点校正的光流法检测嘴动曲线 | 第51-54页 |
| 4.3.1 亚像素角点校正 | 第51-52页 |
| 4.3.2 光流法检测嘴动方案 | 第52-53页 |
| 4.3.3 结合角点校正的嘴动检测 | 第53-54页 |
| 4.4 实验结果 | 第54-56页 |
| 第五章 总结和展望 | 第56-57页 |
| 5.1 论文小结 | 第56页 |
| 5.2 工作展望 | 第56-57页 |
| 参考文献 | 第57-59页 |
| 致谢 | 第59-60页 |